algorithm - 可以使用什么算法来识别图像是否为 "same"或类似图像，无论大小如何？

Question

TinEye ，“反向图像搜索引擎”，允许您上传/链接到图像，它能够搜索它已抓取的十亿张图像，并将返回指向它找到的相同图像的图像的链接。

但是，它不是简单的校验和或任何与之相关的东西。它通常能够找到比您提供的原始图像更高分辨率和更低分辨率以及更大和更小尺寸的图像。这是该服务的一个很好的用途，因为我经常会找到一张图像并想要它的最高分辨率版本。

不仅如此，我还用它找到了同一图像集中的图像，其中图像中的人处于不同的位置，但背景基本保持不变。

什么类型的算法可以TinEye使用它可以将一张图像与不同大小和压缩比的其他图像进行比较，但仍能准确地判断出它们是“相同”的图像或集合？

Answer 1

这些算法通常是基于指纹的。指纹是一个相当小的数据结构，有点像长散列码。然而，指纹函数的目标与散列函数的目标相反。一个好的哈希函数应该为非常相似(但不相等)的对象生成非常不同的代码。相反，指纹功能应该为相似的图像生成相同的指纹。

举个例子，这是一个(不是特别好)指纹函数:将图片大小调整为 32x32 正方形，对颜色进行归一化和量化，将颜色数减少到大约 256 种。然后，你有 1024图像的字节指纹。只需保留一张指纹表 => [图像 URL 列表]。当需要查找与给定图像相似的图像时，只需计算其指纹值并找到对应的图像列表即可。很简单。

不容易 - 为了在实践中有用，指纹函数需要对裁剪、仿射变换、对比度变化等具有鲁棒性。构建良好的指纹函数是一个单独的研究课题。它们通常是手动调整的并使用大量启发式方法(即使用有关典型照片内容、图像格式/EXIF 中的附加数据等的知识)

另一种变体是使用多个指纹函数，尝试应用它们中的每一个并组合结果。实际上，它类似于查找相似的文本。图像相似性搜索使用“指纹袋”代替“词袋”，并查找一个袋中有多少元素与另一个袋中的元素相同。如何使这种搜索高效是另一个话题。

现在，关于文章/论文。我找不到一篇好文章来概述不同的方法。我知道的大多数公开文章都讨论了对特定方法的具体改进。我可以建议检查这些:

"Content Fingerprinting Using Wavelets" .这篇文章是关于使用小波的音频指纹识别，但同样的方法也适用于图像指纹识别。

PERMUTATION GROUPING: INTELLIGENT HASH FUNCTION DESIGN FOR AUDIO & IMAGE RETRIEVAL .有关局部敏感哈希的信息。

Bundling Features for Large Scale Partial-Duplicate Web Image Search .一篇非常好的文章，讨论了 SIFT 和捆绑功能以提高效率。它最后还有一个很好的引用书目